与trainImage CategoryCl assifier（）相比，使用fitcecoc（）时为什么精度要低得多？

Question

我正在尝试使用一些单词和fitcecoc（）（多类SVM）来重现与使用Image Category分类器获得的结果类似的结果 as seen in the documentation

% Code from documentation
bag = bagOfFeatures(trainingSet); % create bag of features from trainingSet (an image datastore)
categoryClassifier = trainImageCategoryClassifier(trainingSet, bag);
confMatrix = evaluate(categoryClassifier, validationSet);

这会在验证集上返回~98％的准确度。

然而，当我将视觉词出现的直方图传递到多类SVM分类器时，它的准确度大约为2.5％。

SVM_SURF = fitcecoc(trainFeatures,trainingSet.Labels);
bag = bagOfFeatures(validationSet);
featureMatrix = encode(bag, validationSet); % histogram of visual word occurrences
[pred score cost] = predict(SVM_SURF, featureMatrix)
accuracy = sum(validationSet.Labels == pred)/size(validationSet.Labels,1);
accuracy

当将一包单词传递给fitcecoc（）而不是trainImageCategoryClassifier（）时，是否有明显的理由说明为什么准确度会低得多？

Answer 1

fitcecoc分类器是一种多功能（图像，财务数据等）分类器。通过配置内核，您可以获得更高的准确率。但是，传统上，如果您增加训练数据，fitcecoc函数会提供更好的结果。